[Conference] Science des données et recherche scientifique

Universidade Federal Da Bahai | Faculdade de Ciencias Contabeis

Résumé

Presentation here

La science des données a bouleversé la manière dont la recherche scientifique est menée, en transformant non seulement les outils méthodologiques, mais aussi les cadres théoriques utilisés pour analyser des phénomènes complexes. En combinant des techniques issues des mathématiques, de l’informatique et de l’expertise dans des domaines spécifiques, elle permet d’aborder des questions de recherche sous de nouvelles perspectives. Cette révolution méthodologique, soutenue par l’émergence de la puissance de calcul et des nouvelles données numériques, a permis non seulement de répondre à d’anciennes questions avec des méthodes plus sophistiquées, mais aussi d’explorer de nouvelles questions auparavant inaccessibles.

Les données, qu’elles soient structurées ou non-structurées, sont au cœur de cette transformation. Tandis que les données structurées, comme celles issues des bases de données ou des réseaux, permettent une analyse plus traditionnelle, l’essor des données non-structurées — textes, images, vidéos — ouvre des champs d’investigation inédits, notamment avec le traitement automatique du langage ou la reconnaissance d’images. L’usage combiné de ces deux types de données, comme dans le projet Frackmap visant à analyser l’impact des puits de gaz de schiste sur les communautés locales, illustre bien cette évolution.

Du point de vue méthodologique, la science des données introduit des techniques telles que l’apprentissage supervisé, non supervisé ou par renforcement, qui dépassent les approches traditionnelles de la recherche. Des outils comme les réseaux de neurones profonds ou les algorithmes de regroupement permettent de modéliser des relations complexes dans des datasets volumineux, ouvrant la voie à des prédictions précises et à la détection de structures inattendues dans les données.

Cependant, cette révolution méthodologique s’accompagne d’une transformation épistémologique importante. Contrairement à la recherche scientifique traditionnelle, où les hypothèses sont formulées a priori, la science des données permet de formuler des hypothèses a posteriori à partir de l’exploration des données, modifiant ainsi le paradigme de la démarche scientifique. Cette capacité à détecter des corrélations et des modèles cachés ouvre de nouvelles voies de recherche, tout en posant des questions sur la reproductibilité et la transparence des expériences.

Un autre enjeu fondamental est celui de la reproductibilité des résultats. La science des données, avec ses outils ouverts et ses algorithmes transparents, permet de répliquer des expériences et de valider des résultats de manière plus rigoureuse, facilitant ainsi l’adhésion aux principes de la science ouverte.

Néanmoins, cette transformation pose également des défis éthiques et sociétaux considérables. Les algorithmes peuvent reproduire ou amplifier des biais humains présents dans les données, et la collecte massive de données soulève des questions de confidentialité. De plus, l’accès aux données et aux infrastructures nécessaires à la recherche en science des données n’est pas toujours équitable, notamment pour les chercheurs des pays en développement.

En conclusion, la science des données offre des outils puissants pour analyser des volumes massifs de données et aborder des questions complexes. Toutefois, elle suscite également des questions importantes sur les plans épistémologique, éthique et sociétal. Le défi à venir sera d’intégrer ces nouvelles méthodes dans tous les domaines scientifiques tout en garantissant une transparence et une équité dans l’accès et l’utilisation des données.

Enfin, la science des données s’impose comme un paradigme incontournable pour la recherche scientifique, nous invitant à réfléchir sur ses implications et à débattre des questions ouvertes qu’elle soulève pour l’avenir de la connaissance.